qq_45750017的博客

前言调用库sympy，符号计算库，可以用来求偏导、带值计算、求解方程等。import sympy as spimport numpy as np针对规划问题取初始点x0=(3, -1, 0, 1) 设置精度范围 e = 0.05这里精度小了会发现迭代次数非常多，我设置了10^3 能迭代两百多次，这里设置为0.05迭代大概四十八次结束，但是会发现两次计算结果不一样，我估计是因为精度要求不同下降得到的极小点不同，应该选择了其他的局部解。共轭梯度法基本步骤①取初始点 x0，设置精度，令迭代次

问题对于目标函数如下，用 Newton 法求其极小点。代码中我设置的精度为10^(-3)Newton法基本步骤①取初始点x(1) ，初始化精度e，设置迭代次数 k = 1；②当递归边界 || ▽f(x(k)) || <= e（其实就是梯度值差不多接近于0的时候，趋近于极小值，类比单变量的二次函数对 x* 求导为0的地方为极小值），当前x(k)作为最优解；否则，解方程得到 d(k)；③ 置 x(k+1) = x(k) + d k += 1，转步骤②。牛顿法的相关证明晚些我会整理出来